Está en la página 1de 44

Curso de Bioestadstica

Parte 13
Medidas de efecto en tablas
2x2
Dr. en C. Nicols Padilla Raygoza
Departamento de Enfermera y Obstetricia
Divisin Ciencias de la Salud e Ingenieras
Campus Celaya-Salvatierra
Universidad de Guanajuato Mxico

Presentacin
Mdico Cirujano por la Universidad Autnoma de Guadalajara.
Pediatra por el Consejo Mexicano de Certificacin en Pediatra.
Diplomado en Epidemiologa, Escuela de Higiene y Medicina

Tropical de Londres, Universidad de Londres.


Master en Ciencias con enfoque en Epidemiologa, Atlantic
International University.
Doctorado en Ciencias con enfoque en Epidemiologa, Atlantic
International University.
Profesor Asociado B, Facultad de Enfermera y Obstetricia de
Celaya, Universidad de Guanajuato.
padillawarm@gmail.com

Competencias
Obtendr Razones de Riesgos o Razones de

Momios de una tabla 2 x 2.


Calcular intervalo de confianza al 95% para
RR o RM.
Identificar potenciales confusores y/o
modificadores de efecto.
Aplicar la prueba de Mantel Haenzel para
RR, RM y Chi cuadrada.

Introduccin
En parte 12 del curso, probamos la

asociacin entre dos variables


categricas.
Ahora revisaremos los mtodos ms
usados para medir tal asociacin.
Trabajaremos con variables binarias,
por lo tanto usaremos tablas 2 x 2.

Ejemplo
Una enfermera en un rea pobre de Mxico, fue

informada que muchos nios del rea que asistan a


la guardera se estaban enfermando de infecciones
respiratorias.
Ella dise un estudio cohorte para investigar el
problema.
Durante el siguiente ao 1000 nios fueron seguidos.
La principal pregunta de la investigacin fue:

Asistir a la guardera est relacionada con infeccin


respiratoria?

Introduccin

Asistencia a
guardera

Infeccin
respiratoria

Infeccin
respiratoria

Si

No

Si

37

33.9 72

No

43

4.8 848

Total

80

8 920

Total

66.1 109

95.2 891

92 1000

Razn de riesgos (RR)


En investigacin en salud, el trmino Riesgo es usado en

lugar de proporcin.
Por ejemplo:
El riesgo de infeccin entre nios asistiendo a la guardera
fue de 33.9%.
As, la razn de riesgos es la razn entre dos proporciones.
El riesgo de infeccin respiratoria para quienes asistan a la
guardera 37/(37 + 72)= 37/109= 0.339
El riesgo de infeccin respiratoria en nios que no asisten a
la guardera es de: 43/(43 + 848) = 43/891= 0.048.
La razn de riesgos (RR) es la razn de estos dos riesgos.
Razn de riesgos = 0.339 / 0.048 = 7.06

Razn de riesgos (RR)


En general, la razn de riesgos se encuentra con la

siguiente frmula, donde a, b, c y d son las


frecuencias en la tabla 2 x 2.
Resultado

Resultado Total

Exposicin

Si

No

Si

a+b

No

c+d

a+c

b+d

Total

Razn de riesgos = (a /a+b) / (c/c + d)

Razn de momios (RM)


La razn de momios (RM) es la razn entre la

casualidad (probabilidad) del resultado entre los


expuestos y la casualidad del resultado entre los no
expuestos.

La casualidad de infeccin entre asistentes a la


guardera es: 37 / 72 = 0.514
La casualidad de infeccin entre los nios que no
asisten a la guardera es: 43 / 848 = 0.051
La razn de momios de esas dos probabilidades: OR =
0.514 / 0.051 = 10.08

En general, la razn de momios se encuentra con la

siguiente frmula:

RM= ad/bc = (a/c) / (b/d)

Intervalos de confianza
En el anlisis de los datos de los nios que asisten o

no a la guardera, tenemos la opcin de usar RR o


RM, para medir el efecto de asistencia a la
guardera.
Cada valor es slo una estimacin, as que esos
valores debern ser reportados junto con sus
intervalos de confianza.

Un aproximado intervalo de confianza al 95% para la


RR es encontrado con la siguiente frmula:
Valor mnimo: RR/FE
Valor mximo: RR x FE
FE = exp(1.96(1/a) (1/a+b) + (1/c) (1/c+d))

Intervalos de confianza
Para el IC de los datos de los nios que

asisten o no a la guardera, es:

FE = exp(1.961/37 1/109 + 1/43 -1/891=


1.48
RR=7.06
Valor mnimo 7.06/1.48 = 4.77
Valor mximo 7.06 x 1.48 = 10.45

IC95% = 4.77 a 10.45

Intervalos de confianza
Un aproximado intervalo de confianza al 95%

para la RM es encontrado con la siguiente


frmula:

Valor mnimo: RM/FE


Valor mximo: RM x FE
FE = exp(1.96(1/a) + (1/b) + (1/c) + (1/d))

Intervalos de confianza
Para el IC de los datos de los nios que

asisten o no a la guardera, es:

FE = exp(1.961/37 + 1/72 + 1/43 +1/848=


1.65
RM=10.08
Valor mnimo 10.08/1.65 = 6.11
Valor mximo 10.08 x 1.65 = 16.63

IC95% = 6.11 a 16.63

Cul medida es mejor?


Razones de riesgos son calculados para estudios

transversales, cohortes.

La frmula para el intervalo de confianza al 95% de


RR requiere tamaos de muestra ms grandes que
para RM.

RM son calculados para estudios casos y controles

as como transversales.

En los estudios de casos y controles no es posible


calcular riesgos, y por lo tanto no se puede calcular
RR.

Hay una ventaja en usar RM.


Es una medida de efecto consistente, a diferencia de
RR.

Continuacin de ejemplo
Los nios mexicanos mostraron una fuerte asociacin entre la

exposicin (asistencia a la guardera) y el resultado (infeccin


respiratoria).
Sin embrago tal asociacin, puede ser confundida por otro
factor.
Por ejemplo, aunque los nios quienes van a la guardera
parecen tener un riesgo de infeccin respiratoria 7 veces ms
alto, la causa de la infeccin puede ser algo que tambin est
asociado con los nios que van a la guardera.
En otras palabras, asistir a la guardera podra ser un marcador
de una exposicin que causa infeccin respiratoria.
Si esto es verdad, podemos decir que la asociacin entre
infeccin respiratoria y asistencia a la guardera, est
confundida.

Cmo identificar a un potencial


confusor
Para evaluar a un potencial confusor

debemos considerar tres aspectos:

la exposicin de inters
el resultado de inters
el confusor

Ejemplo
La enfermera est interesada en la

asociacin entre asistencia a la guardera y


presencia de infeccin respiratoria, pero est
conciente que los nios podran estar
expuestos a otros factores que causan
infeccin respiratoria.
Por ejemplo, hacinamiento en casa es un
factor de riesgo para infeccin respiratoria.
Es por lo tanto un potencial confusor de la
asociacin entre asistencia a la guardera e
infeccin respiratoria.

Confusores
Para que una variable sea un potencial

confusor deber cumplir con tres


condiciones:

Deber ser:

un factor de riesgo independiente para el


resultado de inters
deber estar asociado con la exposicin de
inters
no deber estar en la ruta causal entre
exposicin y resultado.

Confusores
Cmo comprobamos esas condiciones en el

estudio de nios mexicanos?

Condicin de confusin 1:
Factor de riesgo para el resultado de inters
Hay una asociacin entre hacinamiento e infeccin
respiratoria?

Hacinamiento
en casa

IR
Si

IR
No

Riesgo de IR

Si

54

55

54/109 =0.5

RR = 25
IC95% = 15.72 a 39.75
X2= 311.67

No

21

870

21/891= 0.02

P<<0.05

Confusores
Cmo comprobamos esas condiciones en el

estudio de nios mexicanos?

Condicin de confusin 2:
Asociacin con la exposicin
Hay una asociacin entre hacinamiento y asistencia
a guardera?

Hacinamiento
en casa

Asistencia a
guardera
Si

Asistencia a
guardera
No

Si

43

66

No

35

856

X2= 170.39
P<<0.05

Confusores
Cmo comprobamos esas condiciones en el

estudio de nios mexicanos?

Condicin de confusin 3:

El potencial confusor est en la ruta de


causalidad?
En este ejemplo, es poco probable que asistencia
a guardera, sea causada por hacinamiento.

Tenemos un confusor?
En este estudio, hacinamiento ha satisfecho las tres

condiciones necesarias para una variable confusora:


1.

2.

3.

Es un factor de riesgo independiente para el


resultado de inters. Hacinamiento est asociado a
infeccin respiratoria.
Est asociado con la exposicin de inters.
Hacinamiento est asociado con asistencia a la
guardera.
No deber estar en la ruta de causalidad.
Hacinamiento es improbable que sea debido a la
asistencia a guardera.

Tablas estratificadas
Ahora sabemos que los datos debern ser

analizados adicionalmente, para contar con el efecto


de hacinamiento.
Para ajustar para una variable confusora,
estratificamos la tabla 2 x 2 de inters.
La tabla sin estratificar es llamada la tabla cruda.

Puede ser dividida en estratos definidos por la


variable confusora.
Se divide la muestra en dos grupos, donde en cada
grupo el status de hacinamiento ser el mismo.
Los dos grupos son:

Hacinamiento y sin hacinamiento.

Tablas estratificadas
Queremos encontrar si asistencia a guardera est

asociada con infeccin respiratoria cuando


comparamos nios dentro de la misma categora de
hacinamiento.
La tabla cruda para la relacin entre infeccin
respiratoria y asistencia a guardera:

Asistencia a
guardera

Infeccin
respiratoria

Infeccin
respiratoria

Si

No

Si

37

33.9 72

No

43

4.8 848

Total

80

8 920

Total

%
66.1 109
95.2 891
92 1000

Tablas estratificadas
Ahora se muestran las tablas estratificadas

por hacinamiento o no hacinamiento:


Hacinamiento

No hacinamiento

Infeccin
respiratoria
Si

Infeccin
respiratoria
No

Total

Guardera
Si

61

14

75

Guardera
No

21

Total

66

35

Infeccin
respiratoria
No

Total

Guardera 10
Si

24

34

26

Guardera 4
No

861

865

101

Total

885

899

RR= 4.23 X2=32.88 p=0.0000


95%IC 1.91 a 9.37

Infeccin
respiratoria
Si

14

RR= 63.6 X2=178.84 p=0.0000


95%IC 21.01 a 192.56

Tablas estratificadas
Piensa que asistencia a guardera es un factor de

riesgo para infeccin respiratoria entre los nios con


hacinamiento?
Si, los nios que asisten a guardera estn 63 veces
ms en riesgo de infeccin respiratoria que los que
no asisten a la guardera.
El valor de p muestra una fuerte asociacin entre
asistencia a guardera e infeccin respiratoria en el
grupo sin hacinamiento.

Tablas estratificadas
Piensa que asistencia a guardera es un factor de

riesgo para infeccin respiratoria en el grupo sin


hacinamiento?
Si, los nios que asisten a guardera estn ms de 3
veces ms en riesgo de infeccin respiratoria que
aquellos que no asisten a la guardera.
El valor de p muestra una fuerte asociacin entre
asistencia a guardera e infeccin respiratoria en este
grupo.
Dentro de cada estrato la asociacin entre asistencia
a guardera e infeccin respiratoria es ahora
independiente de hacinamiento en casa.

Comparacin de resultados
Cmo comparar estos resultados con los de la tabla cruda?
La tabla cruda muestra una fuerte relacin entre asistencia a guardera

e infeccin respiratoria; RR es diferente en ambas tablas estratificadas


pero permanece una asociacin significativa.

RR

95%IC

X2

Valor de p

Cruda

7.06

4.77 a 10.45

111.88

<0.05

Con
hacinamiento

4.23

1.91 a 9.37

32.88

<0.05

Sin
hacinamiento

63.6

21.01 a 192.56

178.84

<0.05

Razn de riesgos ajustada


La enfermera no quiere presentar los datos separados por estratos,

prefiriendo una estimacin global del efecto en la infeccin respiratoria


de la asistencia a la guardera, ajustada por el hacinamiento.
Esto se puede calcular la RR usando un mtodo llamado MantelHaenzsel.
Primero observemos la tabla 2 x 2 en cada estrato

Exposicin

Enfermedad Enfermedad Total


Si
No

Si

ae

be

No

ce

de

Total

ne

Razn de riesgos de Mantel Haenzsel


El RR ajustado (resumido) se obtiene con:

a (c+d)/n

RRMantel Haenzsel = -------------- c (a+b)/n


Esto da un promedio de RR inicialmente estimados

dentro de cada tabla estratificada; ms importancia


tiene las tablas con ms tamao de muestra.

Razn de riesgos ajustada

Calculemos la RR ajustada por hacinamiento, con la frmula de


Mantel Haenzsel:
Hacinamiento
No hacinamiento
Infeccin
respiratoria
Si

Infeccin
respiratoria
No

Total

Infeccin
respiratoria
Si

Infeccin
respiratoria
No

Total

Guardera
Si

61

14

75

Guardera
Si

10

24

34

Guardera
No

21

26

Guardera
No

861

865

Total

66

35

101

Total

14

885

899

61 (5 + 21)/ 101 + 10 (4 + 861)/899


15.70 + 9.62
25.32
------------------------------------------------ = ----------------- = ----------- = 6.56
5 (61 + 14)/101 + 4 (10 + 24)/899
3.71 + 0.15
3.86

Razn de momios ajustada


La RM ajustada se calcula de forma similar que la RR ajustada.

ad/n
RMMantel Haenzel= ---------- bc/n

Exposicin

Enfermedad
Si

Enfermedad
No

Si

ae

be

No

ce

de

Total

Total

ne

Razn de momios ajustada


En una encuesta transversal, sobre uso de

Quinfamida despus de una disentera amebiana, se


reportaron cuantos quedaron como portadores de
Entamoeba histolitica.
No portador Portador

Total

Quinfamida 100

54

154

No
quinfamida

15

72

87

Total

115

126

241

Razn de momios ajustada

Calculemos la RM ajustada por rea de residencia, con la frmula de


Mantel Haenzsel:
Urbana
Rural
No
portador

Portador

Total

Quinfamida
Si

65

14

79

61

Quinfamida
No

21

26

135

Total

70

35

105

No
portador

Portador

Total

Quinfamida
Si

35

39

74

Quinfamida
No

10

51

Total

45

90

(35 x 51 /135) + (65 x 21/105) 13.2 + 13


26.2
---------------------------------------- = ----------------- = ---------- = 7.4
(39 x 10 / 135) + (14 x 5 /105) 2.89 +0.67
3.56

X2 de Mantel Haenzsel
La enfermera ahora sabe que la asociacin entre

infeccin respiratoria y asistencia a guardera


permanece an despus de haber ajustado por la
variable confusora, hacinamiento.
Ahora, le gustara calcular una prueba de Chi
cuadrada para la significancia de esta asociacin
ajustada por el confusor.
Esto lo puede hacer calculando la prueba
Haenzsel.

X2Mantel-

X2 de Mantel Haenzsel
Para calcular la prueba de Chi cuadrada ajustada por

el confusor, calculamos la Chi cuadrada de MantelHaenzsel. La hiptesis nula a ser probada es que no
hay asociacin entre asistencia a la guardera e
infeccin respiratoria.
Ho : OR = 1.
[ae-E(ae)]2
X2Mantel Haenzsel= ------------------V(ae)

X2 de Mantel Haenzsel
Debemos ir paso a paso, iniciando con las tablas 2 x 2 de cada estrato.

Exposicin

Enfermedad Enfermedad Total


Si
No

Si

ae

be

No

ce

de

Total

ne

X2 de Mantel Haenzsel
La prueba de Chi cuadrada de Mantel-Haenzsel es

un promedio de la Chi cuadrada individual de cada


tabla.
Para calcular la Chi cuadrada de Mantel-Haenzsel,
necesitamos tres valores de cada tabla:

ae nmero de enfermos y expuestos


E(ae) esperado valor de ae
V(ae) la varianza (error estndar al cuadrado) de ae,
donde,

E(ae) = total del rengln x total de columna / gran total = (ae + be) x (ae
+ ce)/ne
(ae + be) x (ce + de) x (ae + ce) x (be + de)
V(ae) = -------------------------------------------------------ne(ne - 1)

Ejemplo
TABLAS DE HACINAMIENTO
a = 61
E(a)
= 75 x 66 / 101 = 49.01
V(a)
= (75 x 66 x 26 x 35) / (101 x (101 - 1)) = 4.42
TABLA DE NO HACINAMIENTO
a = 10
E(a)
= 34 x 14 / 899 = 0.53
V(a)
= 34 x 14 x 865 x 885 / (899 x (899 - 1)) = 0.50

Para obtener la Chi cuadrada de Mantel-Haenzsel (Chi cuadrada


ajustada por hacinamiento), sumamos esos valores de los dos
estratos, usando la frmula:

Ejemplo
Para obtener la Chi cuadrada de Mantel-Haenzsel (Chi cuadrada

ajustada por hacinamiento), sumamos esos valores de los dos


estratos, usando la frmula:

Hacinamiento
No hacinamiento
Total

a
61
10
71

E(a)
49.01
0.53
49.54

V(a)
4.42
0.50
4.92

X2Mantel-Haenzsel = (71 49.54)/4.92= 93.60

Confusin o no confusin
Cmo decidimos si la confusin est presente?

No hay pruebas estadsticas para demostrar

confusin.
Lo que hacemos es calcular pruebas estadsticas y
medir el efecto de las tablas crudas y estratificadas.
Luego calculamos pruebas estadsticas resumidas y
las comparamos con las crudas para concluir si
existe confusin o no.

Confusin o no confusin
Si hay una importante diferencia entre las

estimaciones crudas y ajustadas, y entre las pruebas


crudas y ajustadas, decimos que la asociacin de
inters es confundida por otro factor.
Observemos los datos de los nios asistentes a
guardera e infeccin respiratoria.
Despus de ajustar por hacinamiento, RR se redujo
de 7.06 a 6.56.

Posibles efectos de la confusin


Generalmente hay ms de un confusor.

Pueden tener diferentes efectos:

La asociacin en estudio puede ser significante antes de


ajustar para un confusor y no significante despus.
La asociacin puede permanecer significante despus de
ajustar para un confusor pero con un menos significante
valor de p.
Los estratos pueden mostrar resultados opuestos y en este
caso, es mejor presentar los resultados estratificados. Esto
es interaccin o modificacin del efecto.
El confusor puede esconder una relacin que existe.

Bibliografa
1.- Last JM. A dictionary of epidemiology.

New York, 4 ed. Oxford University Press,


2001:173.
2.- Kirkwood BR. Essentials of medical
ststistics. Oxford, Blackwell Science, 1988: 14.
3.- Altman DG. Practical statistics for medical
research. Boca Ratn, Chapman & Hall/
CRC; 1991: 1-9.

También podría gustarte